浅析图书编目数据质量的关键控制点

编目工作是图书馆的一项重要基础工作,如何提高编目的质量,是关系到图书馆能否更好为读者服务的前提。在联机编目和建立书目网络系统的今天,编目的质量受到多方面的影响。本文对目前编目工作中保障编目质量的几个关键控制点进行了分析,以求能为提高图书馆编目质量提供一些资料。     

参考咨询服务中的E-mail文本数据挖掘

文章在分析E-mail信息特点的基础上,探讨了E-mail文本挖掘的具体过程及其在用户参考咨询需求定位中的应用。     

基于SPOT5影像的1:1万土地利用矢量数据误差研究

基于遥感的1：1万土地利用更新调查矢量数据的空间匹配误差是该应用能否实现的关键。实验选取浙江省绍兴市杨汛桥镇为例,利用控制点、检测点GPS野外实测数据,以及同期IKONOS数据,采用对比法,进行了基于SPOT5遥感影像的土地利用更新调查（平原区域）矢量数据的点、面的空间匹配误差的研究,最后得出了点位误差结果：水平方向7．38111,垂直方向4．53m,点位平面中误差8．6m;以及面状地物空间匹配误差结果：绝大部分地类的面积吻合度及相对面积精度都可达95％左右。因此,基于SPOT5影像的1：1万平原区域土地利用更新调查是完全可行的。     

农作物生产管理信息数据仓库维度建模初探

根据维度建模的一般方法,结合农作物生产管理信息数据的特点,提出了农作物生产管理信息数据仓库的维度模型,包括数据仓库的总线矩阵、值链图、星型连接图以及详尽的维度表和相关业务主题的事实表等,并分别对各表进行了适当的属性字段填充,以期为建立基于数据仓库的农作物生产管理信息数据挖掘和知识发现提供可靠的实现方案,并为最终实现数字农业优化决策支持系统打下基础。     

基于智能制造和大数据挖掘的农机数字化设计研究

介绍了智能制造和大数据挖掘的概念和关键技术,结合农机制造行业过程的特性,设计了农机数字化设计整体框架及基于大数据挖掘的农机零部件选型模块,实现了一套基于智能制造和大数据挖掘的农机数字化平台,可以实现农机零部件的协调和智能优化设计.实际应用表明:采用数据化设计平台可以提高设计人员之间的协同能力,大大缩短了农机开发周期.     

基于聚类分析的数据挖掘技术及其农业应用研究进展

基于聚类分析的数据挖掘技术能够推动农业的精准生产、精细管理和精准营销,对于实现农业的智能机械化、精准化,进而促进农业的高效化和现代化具有重要价值。首先对基于聚类分析的数据挖掘技术内涵及方法体系作了阐述,包括特征选择及特征提取、距离度量、聚类算法分类、聚类性能评价指标4方面;进而梳理了目前聚类分析在农业领域的动植物遗传繁育数据挖掘、农田分区精准管理、农产品品质评价、农产品市场细分、农户异质性分析与精准服务5大方向中的应用研究,最后对农业领域的聚类分析进行了总结与展望。     

北京山区不同植被恢复类型土壤质量综合评价

[目的] 综合评价北京山区不同植被恢复类型土壤质量,并进一步确定影响土壤质量的关键因素,为该地区植被恢复与重建提供数据支撑。[方法] 以立地条件相近的侧柏纯林、油松纯林、侧柏油松混交林、侧柏针阔混交林、油松针阔混交林、落叶阔叶混交林和无林地(对照)为研究对象,测定14个土壤理化指标作为土壤质量评价的总数据集(TDS),采用主成分分析法(PCA)和Pearson相关性分析建立土壤质量最小数据集(MDS),利用线性(L)和非线性(NL)2种评分方法计算土壤质量指数(SQI)和一般线性模型(GLM)确定影响土壤质量的关键因素。[结果] 植被恢复后相较于无林地,土壤容重、砂粒含量下降,而有机质、全氮、全钾、速效氮、速效钾等土壤养分含量增加。筛选出的研究区土壤质量评价MDS指标为全氮、砂粒、全钾、pH、有效含水量。4种方法(SQI-LT、SQI-NLT、SQI-LM、SQI-NLM)下,不同植被恢复类型的SQI值排序均为落叶阔叶混交林＞侧柏针阔混交林＞油松纯林＞油松针阔混交林＞侧柏油松混交林＞侧柏纯林＞无林地,植被恢复后土壤质量显著提升。SQI-NLM的土壤质量评价方法在北京山区具有更好的适用性。相较于无林地,其他植被恢复类型的SQI-NLM分别提高64%,48%,45%,36%,33%,27%。GLM模型解释了土壤质量指数总变异的85.24%,植被类型对土壤质量指数的解释比例最大(45.09%)。[结论] 选择适宜的植被恢复类型是改善区域土壤质量的关键。未来实施植被恢复时,树种选择上优先考虑阔叶树种。造林配置方式的选择应取决于树种而定,如侧柏纯林中引入本土阔叶树种形成侧柏针阔混交林或选择油松纯林是最佳造林模式。     

基于波形分析法的CAN-BUS系统故障诊断研究

电子技术的不断发展,使得控制局域网数据总线技术被广泛地应用于现代汽车上,基于波形分析方法,对控制局域网数据总线的信号特征进行分析,能够迅速快捷地判断出该系统故障产生的原因。     

Artificial neural network for modeling reference evapotranspiration complex process in Sudano-Sahelian zone

The major problem when dealing with modeling evapotranspiration process is its nonlinear dynamic high complexity. Researchers developed reference evapotranspiration (ET-ref) estimation models in rich and poor data situations. Thus, the well-known Penman-Monteith (PM) model always performs the highest accuracy results of ET-ref from a rich data situation. Its application in many areas particularly in developing countries such as Burkina Faso has been limited by the unavailability of the enormous climatic data required. In such circumstances, simple empirical Hargreaves (HARG) equation is often used despite of its non-universal suitability. The present study assesses the artificial neural network (ANN) performance in ET-ref modeling based on temperature data in Bobo-Dioulasso region, located in the Sudano-Sahelian zone of Burkina Faso. The models of feed forward backpropagation neural network (BPNN) algorithm type ANN and Hargreaves (HARG) were employed to study their performance by comparing with the true PM. From the statistical results, BPNN temperature-based models perform better than HARG. Beside, when wind speed is introduced into the neural network models, the coefficient of determination (r²) increases significantly up to 9.52%. While, sunshine duration and relative humidity might cause only 3.51 and 6.69% of difference, respectively. Wind is found to be the most effective variable extremely required for modeling with high accuracy the nonlinear complex process of ET-ref in the Sudano-Sahelian zone of Burkina Faso.     

红外反射式播种机电子监测装置的设计

针对目前播种机电子监测装置普遍存在的安装不便、布线复杂、维护困难和实用性差等问题,设计开发了红外反射式播种机电子监测装置,较好地克服了上述缺点。该装置的探头采用了红外反射式的检测原理,以高速单片机为核心,能实现软件抗干扰及计数精度补偿,体积小巧,可单侧安装,适用于各种排种管。同时,采用无线数据传输方式及无极性二总线布线方式,极大地简化了布线工作,尤其适用于大型宽幅播种机的作业需求。该装置与2BJQ-9气吸式精密播种机配套的田间试验结果表明:故障检知准确率为100%,落种计数检测精度>93%,具备声光告警功能,人机界面友好,操作方便,为播种机电子监测装置的广泛应用提供了新思路。